Kelci Miclaus, Gerente Senior, Advanced Analytics I + D, JMP Life Sciences, SAS Institute Inc.
La investigación traslacional (desde la investigación básica hasta los campos aplicados) y la investigación clínica pueden ser costosas.Para comprender los resultados de salud y las enfermedades, los investigadores generalmente recopilan datos máximos sobre los puntos finales máximos, teniendo en cuenta los costos y el tiempo.Esto está motivado por una comprensión limitada de la base genómica de la enfermedad y los buenos protocolos de práctica de investigación clínica para evaluar la seguridad y la integridad operativa, así como la efectividad de las nuevas terapias. Está adjunto.En el "ciclo de vida" de los datos de ciencias de la vida, la cantidad de datos puede ser una carga pesada en el análisis y la transmisión de resultados (aunque los métodos tradicionales de crear cientos de tablas no son ni eficientes ni efectivos) )En esta sesión, nos centraremos en las visualizaciones para comunicar los resultados en un análisis de estudio de caso típico en la investigación de ciencias de la vida.Acerca de resumir y visualizar datos y gráficos para transmitir los resultados de análisis estadísticos complejos,
Te lo explicaré en detalle.Los ejemplos incluyen la ejecución de diagramas de volcanes, diagramas de Manhattan, resúmenes de distribución de seguridad y eficacia en ensayos clínicos, tendencias de diagnóstico de laboratorio (diagramas de cascada, cambios) de miles a millones de modelos estadísticos que utilizan datos genómicos Parcelas, parcelas de espagueti, parcelas de lasaña, parcelas de nadador) y detección de anomalías de integridad en ensayos clínicos.Todos los ejemplos se crearon utilizando el generador de gráficos de JMP y muestran sus ventajas y flexibilidad.
